6年前谷歌开始进行无人驾驶测试时，或许没有太多人把它当回事，当时人们觉得无人驾驶或许距离自己的生活还相当遥远，如今，无人驾驶似乎就在我们身边。

51电子网公益库存:

O4812391AB

OB2273AMP

P2231NFE2

P58SFDM74LS

P80C32SBBB

Q65110A7368

QS32384Q

R26V25605J

R2A11053FP

S-1167B15-I6T2G

S1A0903X01-QO

TCD5250D-1

除了谷歌外，特斯拉、uber等科技公司纷纷加入这一领域，此外，传统汽车厂商如通用、福特、宝马等，也都不约而同地开始进入这一领域，一时间，无论是科技公司还是传统汽车厂商，似乎都认准了这一未来发展方向，谁也不愿错过。

具体来看，这两大阵营实现无人驾驶技术的路径则有着天然的区别，这也是由各自的优势和特征所决定的。传统厂商目前进行的无人驾驶技术，运用的是通过车载的高精度摄像头，实时采集路面数据并反馈给车辆，车辆通过算法对这些数据进行分析并做出实时决策。而科技公司是通过激光雷达，对路面数据进行实时扫描，绘制出高精度3d地形图并上传至车内电脑，电脑再通过对数据的分析形成决策，从而让运动中的车辆实现实时的应对动作。

mobieye联合创始人表示，目前科技公司的无人驾驶解决方案存在几方面的现实障碍，首先是数据量太大，由于行驶的车辆与高精度地图数据需要进行实时的比对，因此每公里的数据量在3至4个gb大小，大量数据的实时传输在现有的无线网络环境下仍有很多障碍。

英特尔指出，到2020年，每一辆智能汽车每天产生的数据量在4000g左右，如此大的数据量还要求车辆能够在行驶的动态过程中进行实时处理。

目前对于数据的实时处理必须要在车上完成，无法借助云端来实现，因而目前谷歌和百度等路测的无人车基本上都是移动的高性能电脑。

成本太高，目前谷歌的一套无人驾驶系统总成本在30-40万美元，实现量产目前完全不现实。

与之相比，传统汽车厂商的技术方案目前有着明显的优势，首先传统汽车厂商有着多年的汽车工业制造基础，第二，其高精度实时传感器获得的数据量在每公里10k左右，数据量非常小，能够实现实时的数据传输，另外这套方案也并不需要在有着高精度地图数据的地区才能使用，而是几乎在任何地区都能使用。

传统厂商最大的优势在于，目前路面上跑着的大部分汽车都是出自传统汽车生产商，他们未来所需要做的无人驾驶汽车，便是在现有汽车上进行升级，不断地加入无人驾驶技术便能够实现，而科技公司的一整套技术方案，更像是从零开始起步的努力。

总体上来看，传统汽车厂商采取的是一种渐进路线，依靠着多年的行业积累，传统厂商实际上在驾驶的自动化方面已经拥有了丰富经验，而未来实现完全意义上的无人驾驶，传统厂商的实现路径是在此基础上进行不断的优化和改进。科技公司则以一套科技行业的思维，从软件算法着手，通过大数据、人工智能等手段，为实现完全意义上的无人驾驶做着积极准备。

在共同奔向无人驾驶这一未来目标的同时，尽管各自路径不一，但传统汽车厂商和科技公司之间的竞争合作关系却日益明显。

例如，近期发生的行业中的几件大事，便凸显了这一微妙的变化：mobileye与特斯拉的合作破裂、英特尔、宝马和mobile eye组成联盟、福特与uber进行无人车测试。

从上述事件来看，既有传统厂商与科技公司的“分手”，又有两者的合作，同时还有竞争。传统汽车厂商已经看到科技公司在该领域的独特优势并且展现出合作的姿态，保时捷数字移动部门负责人thilo koslowski称，即便是小型的创业公司，保时捷也愿意与其探讨合作的可能。他将人工智能称为汽车未来的新引擎，认为在未来5年，汽车的变化趋势是不断智能化以及更具连接性。

从目前的两大阵营力量对比来看，传统厂商依然占据着绝对的优势地位，尽管谷歌、百度等科技公司在科技领域地位显著，但具体到工业生产领域，和传统厂商相比依然力量薄弱，近期的英特尔与宝马、mobileye的合作，希望在未来打造无人车行业标准，也进一步巩固了传统阵营的力量。

尽管如此，随着整个行业的发展，尤其是一些基础设施方面在未来的大推进，或许将越来越有利于科技公司阵营这一方，而使得未来无人驾驶技术的优势朝另一边倾斜。

比如数据传输的问题，随着未来5g网络的大规模普及甚至未来更高速的无线网络的实现，将使得无人车大量数据传输的问题迎刃而解。如英特尔、高通等芯片巨头已经明确为未来的5g网络做准备。

关于成本过高的问题，谷歌无人车组曾表示，未来随着规模效应的形成，成本将有望实现递减。近期的一则消息称，欧司朗已经将激光雷达的成本降到50美元，特斯拉也在前段时间的一次重大升级中宣布，未来特斯拉的所有车型：包括在售的model s和model x以及正在研发阶段的model 3均会配备支持完全无人驾驶的硬件系统。

对于未来无人驾驶方面所必需的重要的计算能力，科技公司目前似乎也走在了前面，例如nvidia公司与特斯拉合作，为每一台特斯拉汽车装载px2超级电脑，用于高速处理大量的实时数据。

科技公司还掌握了大量的与未来无人驾驶技术研发紧密相关的数据，如谷歌通过6年的无人驾驶路测，积累了上百万英里的数据，而特斯拉上个月称，通过其已经向终端消费者销售的特斯拉车辆，已经收集了30亿英里里程的数据。

除了大科技公司在无人驾驶领域取得进展外，该领域也涌现出越来越多的初创公司，部分规模甚至已经跻身“独角兽”（估值超过10亿美元）行列，例如zoox上周刚刚获得5000万美元融资，估值超过15亿美元，该公司进行无人驾驶的整车研发，人员多由前苹果、谷歌等相关部门的工程师组成。

科技公司似乎更多地掌握着无人驾驶未来的方向，但就目前来看，科技公司与传统汽车厂商之间的合作关系体现的更为明显，因为传统汽车厂商在整车制造、供应链渠道方面有着无与伦比的优势和经验，而科技公司目前仅在无人驾驶的具体技术方面，如激光雷达系统、实时数据分析等方面具有优势。

最为显著的例子是福特与uber在无人驾驶方面的合作，福特向uber提供车辆，uber的工程师与福特的工程师合作对车辆进行改装，包括增加激光雷达、摄像头、车内控制设备等，uber方面还负责无人驾驶的软件方面的研发，最终双方合作的无人车开始在匹兹堡的街头进行开放路测。

传统厂商也在用收购等手段，获得科技行业的独特优势，例如今年初，通用汽车收购了成立仅3年的初创公司cruise automation，获得后者在无人驾驶技术研发方面的人才。

未来科技行业阵营和传统厂商阵营相互融合的趋势将更加明显，无论各自目前的技术方案路径如何，最终都是为了实现完全意义下的在任何路面下的无人驾驶场景。

无论是传统厂商还是科技公司，最终将无人驾驶推向终端用户时，都将面临一个共同的难题：说服监管者。

对于目前监管制度上面临的障碍，很多业内人士都表示，比起技术障碍来，制度上的障碍可能更难克服，需要花费的时间也可能更久。

近期的特斯拉车祸事件对从事无人驾驶技术的公司是一个提醒，那就是任何时候都要将安全放在第一位，尽管一再强调实现无人驾驶从经济上会有很多的收益，但任何时候都不能将安全放在次要的位置考虑。

要实现最终的无人驾驶的目标是一个漫长的渐进过程，除了技术上的不断进步和完善以外，还有相关制度的跟进，英特尔方面透露，其已经与监管部门有着积极的沟通，推进制度对无人驾驶技术最终应用的认可。

除了行驶过程的路面安全外，未来无人驾驶还涉及到数据安全，因为每一辆无人驾驶车实际上都是一台实时联网的电脑，这实际上也暴露出风险，如果被“黑客”劫持控制，无人驾驶车将完全被操纵，这样的极端情况需要相应的数据安全措施的保护。

无人驾驶还将涉及到个人隐私问题，未来无人驾驶在联网状态下，除了行车数据以外，与驾乘者相关的个人数据实际上也包含其中，同样也会受到黑客攻击、数据泄露等风险的影响。

在探讨无人驾驶技术的同时，另一个最为业界所广泛讨论话题的则是未来人工智能与人之间的关系，因为最终的无人驾驶实际上是人工智能需要替代人类做很多关键决定，如果在极端情况下，例如“向左闪避撞死一个儿童，还是向右闪避撞死一个老人”这样的选择，机器应该如何应对，这是超越于人工智能技术之上的关于伦理道德层面的讨论，这已经不是单纯依靠技术、算法就能轻易解决的问题。

要应对这些技术和社会层面的挑战，无人驾驶依然还有很长的路要走，这是目前行业内所达成的一致共识。

从车展的活动上来看，专注的议题大多数还是和技术相关，涉及到政策法规方面的议题并不多，但这对于未来真正让无人驾驶能够普及至关重要。他认为，行业依然是渐进发展的过程，难以出现爆发式的增长，只有在无人驾驶技术成熟后的很长一段时间后，才具备推向全社会的可能。

仅仅6年过去，无人驾驶的时代正在加速到来。在这一全新领域中，既有传统汽车制造厂商，也有科技行业中的先驱，一时间几乎所有人都认同“无人驾驶”一定是未来，都生怕错过这一个“风口”。ihs预计到2030年，将有220万辆无人驾驶汽车行驶在道路上，到2035年，这一数字将继续上升至1100万辆。

在共同奔向这个新的未来的同时，行业中发生的微妙的分分合合事件，也逐渐勾勒出一个以无人驾驶为核心的行业新格局：目前传统汽车厂商凭借着在整车研发、制造、销售方面的优势仍占据着主导地位，而科技公司在各自细分的无人驾驶技术领域，如激光雷达、数据采集处理、地图、人工智能、网络连接、安全性等方面握有先机。

目前，传统汽车厂商和科技公司之间在无人驾驶领域更多地展现出一种开放合作的姿态，结合双方各自的优势，这样的格局或许在长期将得以持续，在广泛开展合作的同时，传统厂商也在以自己的方式进行着无人驾驶技术的尝试，他们的实现路径与科技公司有着明显区别，是一种渐进式的自动驾驶技术的改进，从长期来看，或许科技公司的解决方案在克服了数据传输、成本过高等问题后，能够成为未来无人驾驶技术的通用方案。

在技术层面加速驶向无人驾驶的未来的同时，该行业还将面临一系列的挑战，这些挑战包含来自监管机构方面的法律法规、无人驾驶的安全性（包括行驶安全和数据安全）以及社会大众的接受度等。